AugeLab Studio Manual
Türkçe
Türkçe
  • 👋AugeLab Studio Kullanıcı Kılavuzuna Hoş Geldiniz
  • 📘Giriş
    • AugeLab Studio
    • Ana Özellikler
    • Kullanım Durumları
    • Sistem Gereksinimleri
  • 🚀Başlarken
    • Kayıt Olma
    • Kurulum
    • İlk Bakış
    • Basit Tur
    • İlk Projeniz
      • Temel Bilgiler
      • Tespit
      • Tamamlama
    • Daha Fazla Yerel Örnek
    • Daha Fazla Okuma
  • 🖥️AugeLab Studio Arayüzü
    • Ayrıntılı İnceleme
    • Senaryo Alanı
    • Menü ve Araç Çubuğu
    • Projeleri Yönetme
    • Yapay Zeka Yükleme ve Daha Fazlası
      • Modül İndirme ile Yapay Zeka Kullanın
  • 🧱Fonksiyon Blokları
    • Blok Yapıları
    • Sockets
    • Bloklar Kolonu
    • Bağlantılar
    • Tüm Fonksiyon Blokları
      • AI Blocks
        • Face Detection
        • Mask Detection
        • Object Detection - Custom
        • Object Detection
        • Pose Estimation
        • Safety Equipment Detection
        • Social Distance Detector
        • Super Resolution
        • Text Detection
        • OCR
      • CNN Blocks
        • Average Pooling 2D
        • Batch Normalization
        • Choose Folder 2D
        • Compile Model
        • Conv. Sep. Layer 2D
        • Conv. Trans. Layer 2D
        • Convolutional Layer 2D
        • Dropout Layer
        • Flatten Layer 2D
        • Fully Connected
        • Global Average Pooling 2D
        • Global Max Pooling 2D
        • Input Layer 2D
        • Loss CCE
        • Max Pooling 2D
        • Metrics Accuracy
        • Model EfficientNet
        • Model MobileNet
        • Model ResNet
        • Model VGG
        • Optimizer Adadelta
        • Optimizer Adagrad
        • Optimizer Adam
        • Optimizer Adamax
        • Optimizer FTRL
        • Optimizer Nadam
        • Optimizer RMSProp
        • Optimizer SGD
        • ReLU Layer
        • Softmax Layer
        • Training Parameters
      • Data/Logic
        • Flow Control
          • Batch Concatenation
          • Batch Processing
          • Debatch
          • Get Batch Size
          • HMI Background
          • Subsystem Enabled
          • Subsystem In
          • Subsystem Loop
          • Subsystem Out
          • Subsystem
        • logic
          • All True
          • And
          • Demux
          • Equals
          • Greater
          • Logic Operations
          • Mux
          • Not
          • Or
          • Set - Reset
          • Smaller
        • Mathmetical Operations
          • Add
          • Counter
          • Divide
          • Math Operations
          • Maximum
          • Minimum
          • Multiply
          • Not Equals
          • Round
          • Square Root
          • Subtract
          • Trigonometry
        • Data Operations
          • Data Memory
          • Data to JSON
          • Data Type Converter
          • Datetime Compare
          • Dictionary Operations
          • Exclude Nones
          • Find Substring
          • Get Element
          • Is None
          • List Operations
          • Parse Data Dictionary
          • Replace None
          • String Merge
          • String Operations
        • Referencing
          • Data Read Global
          • Data Read Local
          • Data Write Global
          • Data Write Local
          • Debug Input
          • Tag From
          • Tag To
        • Signal Operators
          • Delay Step
          • Edge Falling
          • Edge Rising
          • Multi Port Switch
          • OFF Delay
          • ON Delay
      • Image/Transformations
        • Analysis
          • Color Density Percentage
          • Get Dimension
          • Histogram On Curve
          • Histogram On Line
          • Image Color Match
          • Image Memory
          • Image Resolution and Channel Value
          • Maximum Images
          • Mean Value of Image
          • Measure Position Distance
          • Minimum Images
          • Non-zero of Image
          • Std. of Image
          • Structural Similarity
        • Transformation Filters
          • Auto Alignment
          • Auto Contrast
          • Color Quantizer and Clustering
          • Color Space
          • Contrast-Brightness-Gamma
          • Contrast Optimization
          • Deconvolution
          • Denoising
          • Distance Transformation
          • FloodFill
          • Grab Cut Algorithm
        • Color Filters
          • 2D Filter
          • Apply Mask
          • Bilateral Filter
          • Blur
          • Edge Filter
          • HSV Filter
          • Image Adaptive Threshold
          • Image Threshold
          • Invert Image
          • Morphological Transformations
          • Normalize Image
          • RGB Mask
          • RGB Set
          • Sobel Filter
        • Operations
          • Add Images Weighted
          • Add Images
          • Collage Images
          • Divide Images
          • Flip Image
          • Image AutoRotator
          • Image Concatenate
          • Image Resize
          • Image Resizer
          • Merge Channels
          • Multiply Images
          • Polar Transform
          • Rotate Image Angle
          • Slice Image
          • Split Image
          • Subtract Images
      • Detections/Shapes
        • Detectors
          • Barcode Reader
          • Blob Detector
          • Blur Detector
          • Circle Detector
          • Corner Detector
          • Custom CNN Model
          • Data Matrix Reader
          • Detect Reference
          • Feature Detector
          • Find Object - Multiple Image
          • Find Object
          • Find Reference
          • Harris Corner Filter
          • Line Detector
          • Match Shapes
          • Measure Object Distance
          • Shape Detector
        • Draw
          • Draw Detections
          • Draw Line
          • Draw Point
          • Draw Rectangle
          • Draw Result On Image
          • Write Date On Image
          • Write Text On Image
        • Roi Processing
          • Check Area (Polygon)
          • Check Area
          • Get Pixel Mouse
          • Get Pixel
          • Get ROI
          • Image ROI Center
          • Image ROI Polygon
          • Image ROI Select Multi
          • Image ROI Select
          • Image ROI
          • Perspective Transform
          • Rectangles in Rectangle
        • Shape Analysis
          • Approximate Contour
          • Choose Line
          • Contour to Image
          • Fill Contour
          • Find Contour
          • Hull Convex
          • Minimum Circle
          • Minimum Ellipse
          • Minimum Rectangle
          • Minimum Rotated Rectangle
          • Most Similar Shape
          • Point Polygon Test
      • Input/Output
        • Communication
          • Modbus Connect
          • Modbus Read
          • Modbus Write
          • MQTT Publish
          • MQTT Subscribe
          • OPC UA Client
          • OPC UA Read
          • OPC UA Write
          • REST API - Get
          • REST API - Post
          • Send Mail
          • Siemens S7 Connect
          • Siemens S7 Read
          • Siemens S7 Write
        • Data Inputs
          • Date-Time List
          • Date-Time
          • Headless Check
          • Keyboard/Barcode Reader
          • Logic Input
          • Number Input
          • Number Range
          • PWM (Pulse Width Modulation)
          • Rising Edge
          • String Input
          • Text
        • Image Inputs
          • Camera IP (ONVIF)
          • Camera IP
          • Camera USB External
          • Camera USB Vidgear
          • Camera USB
          • Load Image From Path
          • Load Image
          • Make Image
          • Pixel
          • Video
        • Outputs/Exports
          • CSV Export
          • Cycle Timer
          • File/Folder Operations
          • GPU Statistics
          • Image Logger
          • Image Write
          • Led Output
          • Multi Image Write
          • Output
          • Scope
          • Show Image
          • Stop
  • 📡Cihazlar ve İletişim
    • Kamera Kullanımı
    • İletişim Protokolleri
    • Daha Fazla Okuma
  • 🧩Örnek Projeler
    • Demo Projeler
    • Çevre Ölçümü
    • Nesne Sayma
    • Karo Genişliği Ölçümü
    • İnsan Tespiti
    • Nesne Tespiti
  • 🔑Ana Özellikler
    • Özel HMI Uygulamaları Yayınlayın
    • Nesne Tespiti için Verileri İşaretleyin
    • Özel AI Modelleri Eğitin
      • Doğru Veritabanını Seçme
      • Eğitim Ne Zaman Durmalı
    • Eklentiler Oluşturun
      • Bileşenler
      • Kodlama Referansı
    • Çözümlerinizi Toplulukla Paylaşın
    • Python Paketlerini Yükleyin
  • 📑SSS
    • Bizimle İletişime Geçin
    • SSS
    • Tam bir projeyi kurma
  • Ek Kaynaklar
    • Eğitim Takvimi
    • Eğitim Materyalleri
    • AugeLab Uzmanları
  • Ek
    • Sözlük
    • Kaynaklar
Powered by GitBook
On this page
  • İlk Bakış
  • Başlarken
  • Sınıf Dosyası
  • **Görüntü Klasörünü Yükle**
  • **Görüntüleri Anotasyonlama**
  • Veri Kümesi Panelini Kullanma
  • Videoları Anotasyonlama
  • Araçlar
  • Sınıf Sıklığı Analizi
  • Veri Kümesini Genişlet
  • Görüntü Ön İşleme
  • Sınıf Kimliğini Değiştir
  • Kısayollar ve Yardım
  • Özel AI Nesne Tespiti Modeli ile Eğitim

Was this helpful?

  1. Ana Özellikler

Nesne Tespiti için Verileri İşaretleyin

PreviousÖzel HMI Uygulamaları YayınlayınNextÖzel AI Modelleri Eğitin

Last updated 8 months ago

Was this helpful?

İlk Bakış

Bir içeren bir bilgisayar gereklidir, yüklemeli ve kullanmalısınız.

AugeLab Studio Görüntü Annotation Penceresi, kullanıcıların ilgi alanlarındaki nesnelerin etrafında sınırlayıcı kutular çizerek görüntüleri anotasyonlamasına ve bunları belirli sınıflarla ilişkilendirmesine olanak tanır.

Başlarken

Görüntü Anotasyon Penceresini açmak için, üst menüye gidin ve AI Tools ➡️ Image Annotation seçeneğine tıklayın.

Görüntü anotasyonu için iki şeye ihtiyacınız var:

  1. .class dosyası

  2. Veri Kümesi

Sınıf Dosyası

Verilerinizi etiketlemek için önce bir classes.names dosyasına ihtiyacınız var; bu, .names uzantısına sahip standart bir metin dosyasıdır. Normal bir sınıf dosyası aşağıdaki gibi görünür:

Human
Dog
Cat
Cup

Böyle bir dosyanız yoksa, Classes bölümünü kullanarak kendi dosyanızı oluşturabilirsiniz:

Kendi sınıflar dosyanızı oluşturmak için:

  1. Bir sınıf adı yazın

  2. + butonuna tıklayın ve sınıflarınızı ekleyin.

  3. Save Classes üzerine tıklayın ve bir klasör seçmeye hazır olun.

İstenmeyen sınıfları kaldırmak için - butonuna da tıklayabilirsiniz.

**Görüntü Klasörünü Yükle**

Veri kümenizin yolunun, herhangi bir İngilizce olmayan karakter içermediğinden emin olun.

Ekranın üst kısmında Open Folder butonuna tıklayın ve tüm görüntülerinizi içeren klasörü seçin:

Listeden Görüntü Seçimi: Görüntü klasörünü yükledikten sonra mevcut görüntülerin bir listesi görüntülenecektir. Anotasyon için bir görüntü seçmek üzere bir görüntüye tıklayın.

**Görüntüleri Anotasyonlama**

Görüntüleri anotasyonlamak oldukça basittir. Tespit etmek istediğiniz nesnenin sol üst kısmına tıklayın, farenizi sürükleyin ve bitirdiğinizde bırakın!

Veri Kümesi Panelini Kullanma

Veri kümesi, birkaç işlevselliği içerir:

  1. Filter işlevi, birkaç görüntü sınıfını filtrelemenize olanak tanır:

    • All Anotasyonlu ve anotosyonsuz tüm görüntüler

    • Annotated Anotasyon içeren görüntüler.

    • Empty Anotasyona sahip olmayan ama eğitimde dahil olan görüntüler. Bu, anotasyonsuz nesnelerin eğitimi olumsuz etkileyebileceği anlamına gelir.

    • Excluded Anotasyon dosyası olmayan görüntüler. Bu, onların eğitimi hiç etkilemeyeceği anlamına gelir.

  2. Search işlevi, görüntüleri adlarına göre filtrelemenize olanak tanır.

Videoları Anotasyonlama

Ayrıca, pencerelerin üst tarafındaki Video modunu kullanarak video dosyalarını da anotasyonlayabilirsiniz:

Video modunu değiştirmek, sizden bir dosya yolu istemektedir. Video seçmek, bir klasör gibi videoyu anotasyonlamanıza olanak tanır!

Araçlar

Veri kümesi hazırlığınız sırasında size yardımcı olacak Anotasyon Aracı içinde birkaç araç bulunmaktadır:

Sınıf Sıklığı Analizi

Sınıf sıklığı analizine tıkladığınızda, veri setinizde kaç sınıf bulunduğunu analiz edip gösterecektir.

Bu, dengenin olup olmadığını kontrol etmek için faydalıdır.

Veri Kümesini Genişlet

AugeLab Studio, otomatik olarak veri kümesi genişletmesi uygular. Genişletme, benzer veriler oluşturma sürecidir.

Apply Augmentation butonuna tıklamak, yapay veriler oluşturacak ve anotasyonlarınızı yeni oluşturulan görüntüler üzerinde koruyacaktır.

Genişletme işlemi, anotasyonu tamamladıktan sonra yapılmalıdır.

Genişletme işlemi, veri kümenizin disk boyutunu 10 kata kadar artırabilir.

Görüntü Ön İşleme

Görüntü Ön İşleme aracı, pencerede gösterilen görüntülerin kontrastını, parlaklığını ve gamma değerini değiştirmenizi sağlar. Bu özellik, çok karanlık veya çok parlak görüntülerle çalışırken kullanışlıdır.

Sınıf Kimliğini Değiştir

Sınıf Kimliğini Değiştir aracı, tüm anotasyonlu sınıf örneklerini farklı bir sınıfa değiştirmenize olanak tanır.

Bu araç, iki farklı veri kümesini birleştirirken işe yarar.

Kısayollar ve Yardım

Kısayol ve yardım için, üst menüdeki `Help` butonuna tıklayabilirsiniz.
  • D: Sonraki görüntü veya kareyi göster.

  • A: Önceki görüntü veya kareyi göster.

  • Shift + D: 10 görüntü/kare ileri hareket et.

  • Shift + A: 10 görüntü/kare geri hareket et.

  • W: Sınıf seçiminde azaltma.

  • S: Sınıf seçiminde artırma.

  • Shift + W: Sınıf seçiminde 3 birim azaltma.

  • Shift + S: Sınıf seçiminde 3 birim artırma.

  • X: Son sınırlayıcı kutu anotasyonunu kaldır.

  • Shift + C: Tüm anotasyonları temizle.

  • O: Boş bir anotasyon dosyası ekle veya anotasyonları temizle.

  • P: Anotasyonları kaldır ve dosyayı temizle.

  • M: Görüntüyü başka bir klasöre ayır veya hariç tut (Sadece Klasör Modu).

  • Shift + Delete: Görüntüyü ve anotasyonu bilgisayardan kaldır (Sadece Klasör Modu).

Özel AI Nesne Tespiti Modeli ile Eğitim

Özel bir nesne tespiti modeli eğitmek için lütfen sayfasına başvurun.

🔑
Nesne Tespiti Eğitimi
Nvidia GPU
Module Downloader Window
CUDA, CUDNN